JP2019139663A - レコメンド装置、レコメンド方法およびレコメンドプログラム - Google Patents

Abstract

【課題】ユーザが曖昧な表現で商品のレコメンドを要求した場合であっても、精度のよいレコメンドを行うこと。【解決手段】レコメンド装置１０は、ユーザが商品を指定するための言語データの入力を受け付け、受け付けた言語データを解析し、言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、ユーザが曖昧な表現で商品のレコメンドを要求した場合であっても、精度のよいレコメンドを行うことができるに関する情報を記憶する記憶部１３に記憶された商品のなかからユーザにレコメンドする商品を選択し、選択した商品の情報を出力する。このため、レコメンド装置１０では、ユーザが曖昧な表現で商品のレコメンドを要求した場合であっても、精度のよいレコメンドを行うことが可能である。【選択図】図１

Description

本発明は、レコメンド装置、レコメンド方法およびレコメンドプログラムに関する。

従来より、ユーザがワイン等の商品を探している場合に、ユーザの好み等に応じて、商品をレコメンドする技術が知られている。このような技術として、例えば、生産者情報や価格、商品の種類等のユーザが指定したキーワードに応じて、商品をレコメンドする技術が知られている。また、例えば、ユーザが実際にいくつかのワインを試飲し、試飲したワインに対してユーザが評価をすることで、ユーザの味に対する基準を調整し、ユーザの味に対する傾向に応じてワインをレコメンドする技術が存在する。

特開２０１４−１４０１１８号公報

しかしながら、従来の手法では、ユーザが曖昧な表現で商品のレコメンドを要求した場合に、レコメンドが行えないという課題があった。例えば、お酒に対する好みや表現方法については個人差があり、キーワードマッチング等では、ユーザが曖昧な表現で商品のレコメンドを要求した場合に、レコメンドを行うことが出来なかった。なお、上記したワインをレコメンドする技術では、ユーザがワインを試飲してユーザの味に対する基準を調整することが前提であるため、このような事前のユーザの味に対する基準を調整しなければ、レコメンド自体が行えなかった。

上述した課題を解決し、目的を達成するために、本発明のレコメンド装置は、ユーザが商品を指定するための言語データの入力を受け付ける受付部と、前記受付部によって受け付けられた言語データを解析し、前記言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、商品に関する情報を記憶する記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択する選択部と、前記選択部によって選択された商品の情報を出力する出力部とを有することを特徴とする。

また、本発明のレコメンド方法は、レコメンド装置によって実行されるレコメンド方法であって、ユーザが商品を指定するための言語データの入力を受け付ける受付工程と、前記受付工程によって受け付けられた言語データを解析し、前記言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、商品に関する情報を記憶する記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択する選択工程と、前記選択工程によって選択された商品の情報を出力する出力工程とを含んだことを特徴とする。

また、本発明のレコメンドプログラムは、ユーザが商品を指定するための言語データの入力を受け付ける受付ステップと、前記受付ステップによって受け付けられた言語データを解析し、前記言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、商品に関する情報を記憶する記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択する選択ステップと、前記選択ステップによって選択された商品の情報を出力する出力ステップとをコンピュータに実行させることを特徴とする。

本発明によれば、ユーザが曖昧な表現で商品のレコメンドを要求した場合であっても、精度のよいレコメンドを行うことができるという効果を奏する。

図１は、第１の実施形態に係るレコメンド装置の構成例を示すブロック図である。 図２は、日本酒情報記憶部に記憶されるデータの一例を示す図である。 図３は、製造元情報記憶部に記憶されるデータの一例を示す図である。 図４は、ユーザに入力を促す質問を出力する例を説明する図である。 図５は、レコメンドする日本酒の出力処理の一例を示す図である。 図６は、第１の実施形態に係るレコメンド装置によるレコメンド処理の一連の流れを説明する図である。 図７は、第１の実施形態に係るレコメンド装置におけるレコメンド処理の流れの一例を示すフローチャートである。 図８は、レコメンドプログラムを実行するコンピュータを示す図である。

以下に、本願に係るレコメンド装置、レコメンド方法およびレコメンドプログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態により本願に係るレコメンド装置、レコメンド方法およびレコメンドプログラムが限定されるものではない。

［第１の実施形態］
以下の実施の形態では、第１の実施形態に係るレコメンド装置１０の構成、レコメンド装置１０の処理の流れを順に説明し、最後に第１の実施形態による効果を説明する。

［レコメンド装置の構成］
図１は、第１の実施形態に係るレコメンド装置の構成例を示すブロック図である。図１を用いて、レコメンド装置１０の構成を説明する。図１に示すように、レコメンド装置１０は、ユーザ端末２０とネットワーク３０を介して接続されている。

ここでユーザ端末２０は、例えば、デスクトップ型ＰＣ、タブレット型ＰＣ、ノート型ＰＣ、携帯電話機、スマートフォン、スマートスピーカ、ＰＤＡ（Personal Digital Assistant）等の情報処理装置である。なお、図１に示す構成は一例にすぎず、具体的な構成や各装置の数は特に限定されない。

また、図１に示すように、このレコメンド装置は、通信処理部１１、制御部１２および記憶部１３を有する。以下にレコメンド装置１０が有する各部の処理を説明する。

通信処理部１１は、各種情報に関する通信を制御する。例えば、通信処理部１１は、ユーザ端末２０からユーザが欲しい商品を指定するための言語データを受信する。また、通信処理部１１は、ユーザにレコメンドする商品の情報を出力する。なお、以下では、レコメンドする商品として、日本酒を例にして説明するが、これに限定されるものではなく、どのような商品であってもよいが、特に、ユーザによって希望する商品の表現が異なりやすく、曖昧になりやすい飲食物等の商品をレコメンド装置１０がレコメンドすることを想定しているものとする。

記憶部１３は、制御部１２による各種処理に必要なデータおよびプログラムを格納するが、特に本発明に密接に関連するものとしては、日本酒情報記憶部１３ａおよび製造元情報記憶部１３ｂを有する。例えば、記憶部１３は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、又は、ハードディスク、光ディスク等の記憶装置などである。

日本酒情報記憶部１３ａは、日本酒に関する情報を記憶する。例えば、日本酒情報記憶部１３ａは、図２に例示するように、日本酒に関する情報として、日本酒を一意に識別する「日本酒ＩＤ」に対応付けて、日本酒の「銘柄」、日本酒の「製造元」、日本酒の「種類」、日本酒の「価格」、日本酒の「味」、日本酒を好むユーザの属性を示す「対象ユーザ」、日本酒の「用途」、日本酒の「ラベル」、日本酒の「ビンの形状」、付加的な情報である「付加情報」、ユーザの評価を示す「ユーザ評価」および日本酒の特徴や背景等を示す「ストーリー」を記憶する。なお、日本酒情報記憶部１３ａに記憶された情報は更新可能な情報である。例えば、日本酒ＩＤ「２」の日本酒が新たに△△とコラボする場合には、付加情報に「△△とコラボ」という情報を追加可能である。各項目の情報は、あくまで一例であり、数値やベクトルで記憶してもよい。例えば、味の項目について、「辛口：３」や「甘口：２」等と辛口や甘口の度合いを記憶するようにしてもよい。

製造元情報記憶部１３ｂは、日本酒の製造元に関する情報を記憶する。例えば、製造元情報記憶部１３ｂは、図３に例示するように、製造元に関する情報として、製造元の名称を示す「製造元」と、酒蔵がある町の名称を示す「蔵のある町」と、製造元が創業してから現在までの年数を示す「歴史」と、杜氏の名前を示す「杜氏」と、製造元の日本酒の特徴や背景等を示す「ストーリー」とを対応付けて記憶する。なお、図２および図３に例示した日本酒情報記憶部１３ａおよび製造元情報記憶部１３ｂに記憶される情報は、あくまで一例であり、例示した情報以外の情報を記憶するようにしてもよく、例えば、原料や製法、日本酒毎の歴史やストーリー、蔵の知識等をデータとして記憶してもよい。

制御部１２は、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有し、これらによって種々の処理を実行するが、特に本発明に密接に関連するものとしては、受付部１２ａ、選択部１２ｂ、出力部１２ｃおよびフィードバック部１２ｄを有する。ここで、制御部１２は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphical Processing Unit）などの電子回路やＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路である。

受付部１２ａは、ユーザが商品を指定するための言語データの入力を受け付ける。例えば、受付部１２ａは、ユーザが日本酒を指定するための言語データの入力を受け付ける。具体例を挙げて説明すると、例えば、受付部１２ａは、ユーザ端末２０から言語データとして「純米大吟醸の辛口」、「銘柄が○山のお酒」、「初心者向けのお酒が良い」、「フォトジェニックなラベル」等の言語データの入力を受け付ける。なお、ここで入力される言語データは、テキストデータであってもよいし、音声データであってもよい。なお、入力された言語データが音声データである場合には、例えば、受付部１２ａが、既存の手法により音声データをテキストデータに変換するものとする。また、入力される言語データは、日本語に限定されるものではなく、外国語であってもよい。なお、入力される言語データが外国語である場合には、例えば、受付部１２ａが、既存の翻訳ツール等により外国語を日本語に翻訳してもよいし、外国語のデータモデルを利用して入力された外国語の言語データを解析し、日本語の言語データに変換するようにしてもよい。

また、受付部１２ａは、ユーザに所定の言語データを入力させるための質問を出力し、該質問に対する回答として、ユーザが商品を指定するための言語データの入力を受け付けるようにしてもよい。例えば、受付部１２ａは、予め設定されたフォーマットに従って、ユーザ端末２０に質問を出力し、該質問に対する回答を受け付ける処理を繰り返すことで、ユーザが望む日本酒の条件を絞り込む。

ここで、図４を用いて、ユーザに入力を促す質問を出力する例を説明する。図４は、ユーザに入力を促す質問を出力する例を説明する図である。図４に例示するように、例えば、レコメンド装置１０は、「プレゼント用ですか？ご自宅用ですか？」という質問をユーザ端末２０に出力する。そして、ユーザ端末２０では、「プレゼント用ですか？ご自宅用ですか？」という質問がテキストで表示、もしくは、「プレゼント用ですか？ご自宅用ですか？」という音声が出力される。

これに対して、ユーザが「プレゼント用です」という回答をユーザ端末２０に対して入力すると、ユーザ端末２０は、「プレゼント用です」という回答をレコメンド装置１０に送信する。なお、例えば、ユーザ端末２０が質問とともに質問に対する複数の選択肢を表示するようにしてもよく、ユーザがいずれかの選択肢をタップすることで、ユーザ端末２０がタップされた選択肢を回答としてレコメンド装置１０に送信するようにしてもよい。さらに、図４の例では、レコメンド装置１０は、「どなたにプレゼントですか？」という質問をユーザ端末２０に出力する。

そして、ユーザ端末２０では、「どなたにプレゼントですか？」という質問が出力される。これに対して、ユーザが「お父さんです」という回答をユーザ端末２０に対して入力すると、ユーザ端末２０は、「お父さんです」という回答をレコメンド装置１０に送信する。

これにより、レコメンド装置１０は、ユーザが望む日本酒が、プレゼント用の日本酒であって、かつ、プレゼントの相手が父親であることを特定することができる。なお、レコメンド装置１０では、父親を表す他の表現（例えば、お父さん、パパ等）についても、辞書データや言語モデルを利用することで、父親と同義の言葉であることが認識可能なように設定されているものとする。また、例えば、ユーザが「プレゼント用」、「父親」「甘口」とだけ指定したが、「プレゼント用」、「父親」、「甘口」の日本酒に該当する日本酒が多数あるために、レコメンドする日本酒が絞りこめないような場合には、レコメンド装置１０が、ユーザに入力を促す質問をさらに出力することで、ユーザが望む日本酒の条件を絞り込むことができる。ここで、ユーザが望む日本酒の条件を絞り込むための、ユーザに入力を促す質問については、予め用意された質問パターンに従って順次質問を出力するようにしてもよいし、ＡＩ等に学習させたモデルを利用して質問を出力するようにしてもよい。予め用意された質問パターンに従って順次質問を出力する場合について、具体的な例を挙げて説明すると、例えば、ユーザが父親へのプレゼントである場合には、レコメンド装置１０は、プレゼントの相手が父親である場合に予め用意された質問として「お父さんは冷酒と熱燗だったらどっちが好みですか？」という質問をさらに出力する。また、ユーザから甘口という指定があった場合には、レコメンド装置１０は、予め用意された質問として、飲み方を聞いたり、日本酒好きなのか聞いたり、初心者なのか聞くなど絞り込める要素について種々の質問を追加することが可能である。

選択部１２ｂは、受付部１２ａによって受け付けられた言語データを解析し、言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、日本酒に関する情報を記憶する日本酒情報記憶部１３ａに記憶された商品のなかからユーザにレコメンドする商品を選択する。なお、言語データを解析する処理をＡＩ（Artificial Intelligence）に実行させるようにしてもよい。

例えば、選択部１２ｂは、受付部１２ａによって受け付けられた言語データを入力として、言語データを解析するための学習済モデルを用いて、日本酒情報記憶部１３ａに記憶された日本酒のなかからユーザにレコメンドする日本酒を選択するようにしてもよい。言語データを解析する処理をＡＩが実行する場合には、例えば、ＡＩが、ユーザが入力した言語データに対して形態素解析等を行って名詞または形容詞を抽出し、抽出した名詞または形容詞もしくは抽出した名詞または形容詞に類似するワードを検索キーとして、日本酒情報記憶部１３ａを参照して、検索キーと同じまたは類似するデータに該当する日本酒を選択する。なお、ＡＩは、例えば、「甘い」、「甘口」、「甘め」等の同義のワードについては、事前の設定または学習により、意味が同じまたは類似するワードであると解析可能となる。

例えば、選択部１２ｂは、受付部１２ａが「純米大吟醸の辛口」という言語データを受け付けた場合には、日本酒情報記憶部１３ａを参照し、種類が「純米大吟醸」であって、且つ、味が「甘口」である日本酒を選択する。また、例えば、選択部１２ｂは、受付部１２ａが「Ａ酒造の○山」という言語データを受け付けた場合には、日本酒情報記憶部１３ａを参照し、銘柄が「○山」であって、且つ、製造元が「Ａ酒造」である日本酒を選択する。

このように、選択部１２ｂは、例えば、ユーザが日本酒好きで好みが明確であったり、固有名詞を含んで指定されていたりするような場合には、日本酒情報記憶部１３ａを検索して、該当する日本酒を選択する。なお、選択部１２ｂは、該当する日本酒が複数ある場合には、複数を選択してもよいし、予め設定された優先度等に応じて、いずれか一つを選択してもよいし、ユーザに対して追加の質問をすることで条件を絞り込むようにしてもよい。

また、例えば、選択部１２ｂは、受付部１２ａが「ふんわりしたお酒が良い」という言語データを受け付け、日本酒情報記憶部１３ａを参照した場合に、曖昧な表現である「ふんわり」に該当する日本酒が日本酒情報記憶部１３ａに存在しない。このような場合には、選択部１２ｂは、言語データを解析するための学習済モデルを用いて、「ふんわり」の意味を解析し、例えば、「ふんわり」が「甘い」と「軽い」を併せて表現する言語であると判断する。そして、選択部１２ｂは、味が「甘口」であって、且つ、「軽い」である日本酒を日本酒情報記憶部１３ａから選択する。

また、例えば、選択部１２ｂは、受付部１２ａが「フォトジェニックなラベル」という言語データを受け付け、日本酒情報記憶部１３ａを参照した場合に、曖昧な表現である「フォトジェニックなラベル」に該当する日本酒が日本酒情報記憶部１３ａに存在しない。このような場合には、選択部１２ｂは、言語データを解析するための学習済モデルを用いて、「フォトジェニックなラベル」のうち、「フォトジェニック」という表現に意味が近い、類似する表現、例えば、「華やか」や「綺麗」、「目立つ」等の表現のなかから代表となる言語を抽出し、代表となる言語を検索キーとして、日本酒情報記憶部１３ａにおける「ラベル」の項目のなかから代表となる検索キーに一致または類似する日本酒を選択する。なお、受付部１２ａが「フォトジェニックな日本酒」という言語データを受け付けた場合には、「フォトジェニックな日本酒」という言語データを解析し、日本酒の「ラベル」や「ビンの形状」などの外観に関する情報から、外観が特徴的な日本酒を日本酒情報記憶部１３ａから選択するようにしてもよい。

また、選択部１２ｂは、出力部１２ｃによって出力した日本酒の情報に関連する関連の日本酒を日本酒情報記憶部１３ａから選択するようにしてもよい。例えば、選択部１２ｂは、出力部１２ｃによって出力した日本酒の履歴から直近の出力した日本酒を特定し、日本酒情報記憶部１３ａおよび製造元情報記憶部１３ｂを参照して、直近の出力した日本酒と同じ製造元や同じ杜氏、同じ町に酒蔵がある日本酒選択するようにしてもよい。また、選択部１２ｂは、直近の出力した日本酒の製造元が、例えば、歴史が「１００年」以上古い場合には、酒蔵の歴史があるところシリーズとして、製造元情報記憶部１３ｂを参照して、歴史が「１００年」以上ある古い日本酒を選択するようにしてもよい。

出力部１２ｃは、選択部１２ｂによって選択された日本酒の情報を出力する。例えば、出力部１２ｃは、選択部１２ｂによって選択された日本酒の情報として、日本酒の画像や銘柄、価格、製造元等の情報を出力する。ここで、図５の例を用いて、レコメンドする日本酒の出力処理について説明する。図５は、レコメンドする日本酒の出力処理の一例を示す図である。図５に例示するように、レコメンド装置１０は、ユーザ端末２０からユーザが入力した「ふんわりした日本酒を教えて」という言語データを受け付ける。

そして、レコメンド装置１０は、言語データを解析するための学習済モデルを用いて、「ふんわり」という表現に意味が近い、類似する表現、例えば、「甘い」や「軽い」等の表現のなかから代表となる言語を抽出し、代表となる言語を検索キーとして、日本酒情報記憶部１３ａにおける「味」の項目のなかから代表となる検索キーに一致または類似する日本酒を選択することで、味が「甘口」であって、且つ、「軽い」日本酒「大吟醸○山」を日本酒情報記憶部１３ａから選択する。なお、類似する言語については、予め設定された辞書データを利用してもよいし、ベクトル解析を行うことでベクトルの距離が近い言語同士を類似する表現としてもよい。続いて、レコメンド装置１０は、「大吟醸○山はいかがですか？」という言語データを出力する。

これに対して、ユーザが「もっと辛口の方がいい」という言語データをユーザ端末２０に入力し、レコメンド装置１０が言語データの入力を受け付ける。この場合には、レコメンド装置１０は、味が「辛口」の日本酒「大吟醸△」を日本酒情報記憶部１３ａから選択する。続いて、レコメンド装置１０は、「大吟醸△はいかがでしょうか？」という言語データを出力する。

また、出力部１２ｃは、選択部１２ｂによって選択された関連の日本酒の情報を出力する。例えば、出力部１２ｃは、直近の出力した日本酒の製造元が、例えば、歴史が「１００年」以上古い場合には、酒蔵の歴史があるところシリーズとして、歴史が「１００年」以上ある古い日本酒を続けて出力するようにしてもよい。また、出力部１２ｃは、選択部１２ｂによって選択された日本酒を出力するとともに、該日本酒に関するストーリーまたは該日本酒の製造元に関するストーリーを出力するようにしてもよい。例えば、出力部１２ｃは、日本酒の画像や銘柄、価格、製造元等の情報以外にも、日本酒の製造元のストーリー等を一緒に出力してもよい。

フィードバック部１２ｄは、出力部１２ｃによって出力された日本酒の情報に対するユーザのフィードバックとして、言語データを受信した場合には、該言語データに応じて、日本酒情報記憶部１３ａに記憶された日本酒に関する情報を更新する。例えば、フィードバック部１２ｄは、出力部１２ｃによって出力された日本酒「○山」に対いて、ユーザが「飲みやすい」という感想を入力した場合には、日本酒「○山」に対するユーザ評価として「飲みやすい」という情報を日本酒情報記憶部１３ａに追加する。

また、フィードバック部１２ｄは、レコメンドした日本酒の情報に対するフィードバックを学習データとしてＡＩが学習し、レコメンド精度を向上させるようにしてもよい。このように、レコメンド装置１０では、対話型インターフェースを用いて、ユーザから数値ではないフィードバックをもらうことで、レコメンドの精度を向上させることが可能である。

ここで、図６を用いて、レコメンド装置１０によるレコメンド処理の一連の流れを説明する。図６は、第１の実施形態に係るレコメンド装置によるレコメンド処理の一連の流れを説明する図である。図６に例示するように、レコメンド装置１０は、日本酒を指定するための言語データの入力をユーザ端末２０から受け付ける（図６の（１）参照）。そして、レコメンド装置１０は、ＡＩによって言語データを解析する（図６の（２）参照）。

続いて、レコメンド装置１０は、言語データの解析結果に基づいて、日本酒に関する情報を記憶する日本酒情報記憶部１３ａに記憶された商品のなかからユーザにレコメンドする商品を選択する（図６の（３）参照）。そして、レコメンド装置１０は、選択された日本酒の情報を、おすすめの日本酒として出力する（図６の（４）参照）。このように、レコメンド装置１０では、ユーザからのリクエストに含まれる様々な表現の揺らぎをＡＩで吸収し、精度のよいレコメンドを行うことが可能である。

また、レコメンド装置１０では、ＡＩとの対話可能な対話型インターフェースを用いて、日本酒に親しみのない人にも容易に日本酒をレコメンドできるようにしている。例えば、ユーザが日本酒をプレゼントしたい場合の利用シーンの一例について説明する。例えば、ユーザが日本酒をプレゼントしたいことを伝えると、ＡＩが、ユーザが日本酒をプレゼントする場合のパターンとして予め設定された質問パターンに従って、プレゼントを誰に渡すか、プレゼントを渡す相手の好みはどうか等の質問を行う。

具体的には、ＡＩが、誰にプレゼントするのか、何のプレゼントなのか（例えば、父の日、結婚祝い等）、どんなプレゼントがよいか（例えば、フォトジェニック、辛口が好き、初心者向けがよい等）を質問する。そして、レコメンド装置１０では、ＡＩが確認した結果をキーワードとして日本酒情報記憶部１３ａから検索し、１つまたは複数の日本酒の候補をユーザ端末２０に出力する。なお、ユーザが出力された日本酒の候補から気になる商品を購入する場合には、ＥＣ（Electronic Commerce）サイトと連携して購入できるようにしてもよい。

また、例えば、日本酒イベントでレコメンド装置１０を利用する場合の利用シーンの一例について説明する。例えば、ユーザがＡＩに対して飲みたいイメージや雰囲気（例えば、すっきり、辛口、初めて飲む人向け、フルーティ等）を伝えると、ＡＩがイベント会場にあるお酒の中からイメージに合う日本酒を１つまたは複数出力する。ここで、日本酒の情報に合わせて、その日本酒のストーリーやイベント会場の場所などの付加情報を提示してもよい。

そして、ユーザがお酒を飲んだ後に、フィードバックをＡＩから問いかけ、「良い」、「もうちょっと辛口の方が好き」等の感想をユーザに入力させ、入力された情報を日本酒情報記憶部１３ａにおける「ユーザ評価」の項目に格納する。そして、ユーザが次の日本酒のおすすめを希望する場合には、これまで飲んだお酒の履歴情報から次にすすめる日本酒を出力してもよいし、ユーザに次の日本酒の要望を入力してもらってから次にすすめる日本酒を出力してもよい。また、レコメンド装置１０では、例えば、同様の評価が一定数続いた場合に、日本酒情報記憶部１３ａの情報を更新するようにしてもよい。例えば、ユーザに対して辛口の日本酒として奨めた日本酒に対する評価として「もう少し辛口の方がよい」や「これじゃ甘口だ」等の否定的な評価が一定数カウントされた場合には、対象の日本酒の辛口度合いを下げるようにしてもよい。なお、ＡＩが学習を行うことで、ユーザからのフィードバックをどのように日本酒情報記憶部１３ａの情報に反映するかを判断するようにしてもよい。

このように、レコメンド装置１０では、自分では飲まないがプレゼント用の日本酒を選択する場合など、日本酒に不慣れな人でも所望の日本酒を選択することが可能であり、ユーザが曖昧な表現で日本酒のレコメンドを要求した場合であっても、精度のよいレコメンドを行うことが可能である。

［レコメンド装置の処理手順］
次に、図７を用いて、第１の実施形態に係るレコメンド装置１０による処理手順の例を説明する。図７は、第１の実施形態に係るレコメンド装置におけるレコメンド処理の流れの一例を示すフローチャートである。

図７に例示するように、レコメンド装置１０の受付部１２ａがユーザ端末２０から日本酒を指定するための言語データの入力を受け付けると（ステップＳ１０１肯定）、選択部１２ｂは、受付部１２ａによって受け付けられた言語データを解析し（ステップＳ１０２）、解析結果に基づいて、日本酒に関する情報を記憶する日本酒情報記憶部１３ａに記憶された商品のなかからユーザにレコメンドする商品を選択する（ステップＳ１０３）。

そして、出力部１２ｃは、選択部１２ｂによって選択された日本酒の情報をユーザ端末２０に出力する（ステップＳ１０４）。その後、フィードバック部１２ｄは、ユーザ端末２０から、出力部１２ｃによって出力された日本酒の情報に対するユーザのフィードバックを受け付けたか否かを判定する（ステップＳ１０５）。この結果、フィードバック部１２ｄは、ユーザのフィードバックを受け付けなかった場合には（ステップＳ１０５否定）、そのまま処理を終了する。一方、フィードバック部１２ｄは、ユーザのフィードバックを受け付けた場合には（ステップＳ１０５肯定）、フィードバックを日本酒情報記憶部１３ａに格納する（ステップＳ１０６）。

（第１の実施形態の効果）
第１の実施形態に係るレコメンド装置１０は、ユーザが日本酒を指定するための言語データの入力を受け付け、受け付けた言語データを解析し、言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、ユーザが曖昧な表現で日本酒のレコメンドを要求した場合であっても、精度のよいレコメンドを行うことができるに関する情報を記憶する日本酒情報記憶部１３ａに記憶された日本酒のなかからユーザにレコメンドする日本酒を選択し、選択した日本酒の情報を出力する。このため、レコメンド装置１０では、ユーザが曖昧な表現で日本酒のレコメンドを要求した場合であっても、精度のよいレコメンドを行うことが可能である。

また、レコメンド装置１０では、ユーザからのリクエストに含まれる様々な表現の揺らぎをＡＩで吸収し、精度のよいレコメンドを行うことが可能である。さらに、レコメンド装置１０では、ＡＩとの対話可能な対話型インターフェースを用いて、日本酒に親しみのない人にも容易に日本酒をレコメンドすることが可能である。

（システム構成等）
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施の形態において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

（プログラム）
また、上記実施形態において説明したレコメンド装置１０が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。例えば、実施形態に係るレコメンド装置１０が実行する処理をコンピュータが実行可能な言語で記述したレコメンドプログラムを作成することもできる。この場合、コンピュータがレコメンドプログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかるレコメンドプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたレコメンドプログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。

図８は、レコメンドプログラムを実行するコンピュータを示す図である。図８に例示するように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有し、これらの各部はバス１０８０によって接続される。

メモリ１０１０は、図８に例示するように、ＲＯＭ（Read Only Memory）１０１１及びＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、図８に例示するように、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、図８に例示するように、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、図８に例示するように、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、図８に例示するように、例えばディスプレイ１１３０に接続される。

ここで、図８に例示するように、ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、上記の、レコメンドプログラムは、コンピュータ１０００によって実行される指令が記述されたプログラムモジュールとして、例えばハードディスクドライブ１０９０に記憶される。

また、上記実施形態で説明した各種データは、プログラムデータとして、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出し、各種処理手順を実行する。

なお、レコメンドプログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限られず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、レコメンドプログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ネットワーク（ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

上記の実施形態やその変形は、本願が開示する技術に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０ レコメンド装置
１１ 通信処理部
１２ 制御部
１２ａ 受付部
１２ｂ 選択部
１２ｃ 出力部
１２ｄ フィードバック部
１３ 記憶部
１３ａ 日本酒情報記憶部
１３ｂ 製造元情報記憶部
２０ ユーザ端末
３０ ネットワーク

Claims (9)

1. ユーザが商品を指定するための言語データの入力を受け付ける受付部と、
   前記受付部によって受け付けられた言語データを解析し、前記言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、商品に関する情報を記憶する記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択する選択部と、
   前記選択部によって選択された商品の情報を出力する出力部と
   を有することを特徴とするレコメンド装置。
2. 前記受付部は、ユーザに所定の言語データを入力させるための質問を出力し、該質問に対する回答として、ユーザが商品を指定するための言語データの入力を受け付けることを特徴とする請求項１に記載のレコメンド装置。
3. 前記選択部は、前記受付部によって受け付けられた言語データを入力として、前記言語データを解析するための学習済モデルを用いて、前記記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択することを特徴とする請求項１に記載のレコメンド装置。
4. 前記選択部は、前記出力部によって出力した商品の情報に関連する関連商品を前記記憶部から選択し、
   前記出力部は、前記選択部によって選択された関連商品の情報を出力することを特徴とする請求項１に記載のレコメンド装置。
5. 前記出力部によって出力された商品の情報に対するユーザのフィードバックとして、前記言語データを受信した場合には、該言語データに応じて、前記記憶部に記憶された商品に関する情報を更新するフィードバック部をさらに有することを特徴とする請求項１に記載のレコメンド装置。
6. 前記記憶部は、前記商品に関する情報として、日本酒に関する情報を記憶し、
   前記受付部は、ユーザが日本酒を指定するための言語データの入力を受け付け、
   前記選択部は、前記キーワードまたは前記キーワードと意味が類似するキーワードに基づいて、前記記憶部に記憶された日本酒のなかから前記ユーザにレコメンドする日本酒を選択し、
   前記出力部は、前記選択部によって選択された日本酒を出力することを特徴とする請求項１に記載のレコメンド装置。
7. 前記記憶部は、前記商品に関する情報として、各商品に関するストーリーまたは各商品の製造元に関するストーリーを記憶し、
   前記出力部は、前記選択部によって選択された商品を出力するとともに、該商品に関するストーリーまたは該商品の製造元に関するストーリーを出力することを特徴とする請求項１に記載のレコメンド装置。
8. レコメンド装置によって実行されるレコメンド方法であって、
   ユーザが商品を指定するための言語データの入力を受け付ける受付工程と、
   前記受付工程によって受け付けられた言語データを解析し、前記言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、商品に関する情報を記憶する記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択する選択工程と、
   前記選択工程によって選択された商品の情報を出力する出力工程と
   を含んだことを特徴とするレコメンド方法。
9. ユーザが商品を指定するための言語データの入力を受け付ける受付ステップと、
   前記受付ステップによって受け付けられた言語データを解析し、前記言語データから所定のキーワードを抽出し、該キーワードまたは該キーワードと意味が類似するキーワードに基づいて、商品に関する情報を記憶する記憶部に記憶された商品のなかから前記ユーザにレコメンドする商品を選択する選択ステップと、
   前記選択ステップによって選択された商品の情報を出力する出力ステップと
   をコンピュータに実行させることを特徴とするレコメンドプログラム。

Images